京津冀和长三角地区一次重霾过程气象成因及传输特征

陈颢元,王晓琦*,程水源**,关攀博,张智答,白伟超,唐贵谦

京津冀和长三角地区一次重霾过程气象成因及传输特征

陈颢元1,王晓琦1*,程水源1**,关攀博1,张智答1,白伟超1,唐贵谦2

(1.北京工业大学环境与能源工程学院,区域大气复合污染防治北京市重点实验室,北京 100124；2.中国科学院大气物理研究所,大气边界层物理与大气化学国家重点实验室,北京 100029)

基于气象数据和空气质量数据,研究了2016年12月29日～2017年1月8日京津冀与长三角地区一次大范围重度污染过程的特征及成因.结果表明,均压场、低边界层高度、静小风是本次重污染过程的主要气象特征,重污染过程的结束得益于后期气压梯度变大,水平扩散条件转好.此外,基于WRF-CMAQ(气象研究与预报建模系统及区域多尺度空气质量模型) 模式情景分析法评价了区域传输和局地累积对本次重污染过程的作用,分析显示重污染前期当中东部地区受南风控制时,京津冀地区受长三角地区传输影响较大(15%～20%),长三角地区以本地贡献为主;累积阶段,长三角地区本地贡献显著下降,受到京津冀地区的贡献明显上升(20%～30%),京津冀地区主要受本地排放影响.传输通量结果显示长三角向京津冀输送的净通量峰值发生在重污染前期(-21.52t/d),京津冀向长三角输送的净通量峰值发生在累积阶段(17.29t/d),区域传输作用在1001～1478m之间最为活跃.

长三角；京津冀；重污染；气象要素；WRF-CMAQ

研究表明,高负荷污染物排放、不利的气象条件以及污染跨区域输送是导致大气污染形成的主要原因[1-3].气象因素是在地区排放水平固定时重污染发生的主要原因,静风、逆温条件,利于气溶胶二次生成的高湿条件及抑制污染物垂直扩散的大气层结状态是诱发重污染过程的主要气象因素,桂林海[4]等对2016年12月16～21日京津冀污染过程中气象条件的演变以及边界层变化进行了分析,结果表明,大气长期处于静稳状态,低层大气以偏南气流为主,大气湿度持续增加,加之不利于污染物扩散的特殊地形是造成污染形成的重要因素.Zhang等[5]对北京市2015年11～12月份重污染气象成因进行了深入研究,发现在低风速、低边界层高度、高湿度和逆温对流层较低等因素的共同作用下,导致了污染物的积累和吸湿增长.在污染物跨区域输送研究方面,后向轨迹模式是半定量衡量区域传输的常用手段,李瑞等[6]选取长三角北部地区2018～2019年秋冬季的典型污染过程,利用PSCF和CWT对PM2.5潜在源定性和定量分析,结果表明,不同污染过程受区域传输影响存在显著差异.空气质量模型同样广泛地应用于定量判断区域传输对污染形成的影响,针对区域内的传输,王燕丽等[7]基于CAMx-PSAT 建立了京津冀地区城市间传输矩阵,结果表明,京津冀城市年均污染贡献以本地为主,受传输影响较大的城市多分布在京津冀边界并集中在南部.姚森等[8]基于大气环境监测数据和WRF-CAMx模式,分析了2016年1月京津冀城市的大气污染特征,开展了PM2.5跨界传输量化评估研究,发现京津冀城市近地面PM2.5以本地排放贡献为主,贡献率为45.4%～ 69.9%;此外,各城市来自京津冀区域内和区域外的传输贡献率分别为4.8%～49.7%和4.9%～29.6%.对于跨区域尺度的传输,Fu等[9]运用WRF-CMAQ情景分析法分析了2011年长三角冬季的一次重污染过程,结果表明来自江苏省的区域内贡献和山东省的区域外贡献是此次重污染的重要原因,污染水平上升时,区域外贡献显著增加.Zhang等[10]对京津冀地区2015年秋季的一次污染过程展开了分析,分析结果表明重污染发生时本地贡献显著下降,京津冀地区受到山东省、江苏省、安徽省、河南省的贡献分别高达11.6%、9.2%、6.7%、11.8%.

国内外学者针对区域尺度污染成因已开展了大量的研究,但一般局限在于单一区域,对大尺度多个区域重污染成因的探究较少,另外,很少涉及对区域垂直方向不同高度层水平输送的研究.本文以重点控制区域京津冀和长三角为研究对象,针对2016年12月～2017年1月污染过程进行了研究,基于观测数据分析了气象因素对污染形成的影响,利用WRF-CMAQ数值模拟系统,揭示污染物跨区域输送与高浓度颗粒物形成的响应关系,建立通量计算方法,探究区域间不同高度层水平方向污染物传输作用,旨在为秋冬季区域大气污染联防联控提供参考.

1 数据和方法

1.1 数据收集

本研究近地面气象数据来自MICAPS(气象信息综合分析处理系统)数据,数据时间分辨率为3h,风压场来自美国气象环境预报中心(NCEP)空间精度为1°×1°、时间分辨率为6h的FNL(全球再分析资料)数据,典型城市的温度探空数据来源于L波段秒级探空数据的国内交换高空资料(http://data.cma.cn/),用于分析污染时期大气稳定度,一天两次,分别是北京时间08:00和20:00.PM2.5和SO2、NO2数据来源于国控站点城市监测数据,该数据为小时分辨率,单位为μg/m3,大气后向散射系数来源于中国科学院大气物理研究所,采用频闪激光雷达(激光探测和距离测量)技术测定,时间分辨率为6～120s.

1.2 模型设置与验证

1.2.1 模型模拟 本文采用WRF-CMAQ模型对区域空气质量进行模拟,CMAQ和WRF模式参数化设置如表1所示,模拟设置两层嵌套网格如图1所示,外层分辨率为36km,模拟区域包括京津冀、长三角主要省份以及山西、山东、河南、陕西、宁夏、重庆、贵州、河南、湖北、湖南、江西、宁夏等省份;内层分辨率是12km,模拟区域包括长三角、京津冀主要省份及山西、河南、山东,中三角大部分地区和内蒙古、辽宁、福建部分地区;模型在模拟区域内垂直方向共设置28层, 其对应的δ坐标分别为1.000、0.994、0.988、0.981、0.969、0.956、0.944、0.926、0.902、0.881、0.852、0.828、0.796、0.754、0.704、0.648、0.589、0.546、0.495、0.445、0.387、0.287、0.187、0.136、0.091、0.061、0.020和0.000.京津冀地区模拟使用的人为源排放数据来自课题组自上而下建立的清单,京津冀以外区域采用清华大学研发的0.25°分辨率的MEIC(中国多尺度排放清单模型)排放源清单,结合地区政策对污染物排放进行减排.考虑初始条件的影响,提前5d启动模型.

采用Brute-Force情景分析法,或称为zero-out方法(去零法/置零法),该方法在模型内置源识别技术开发之前就已经得到应用,并且研究结果能够得到认可[11-12].

表1 CMAQ与WRF参数化方案

图1 模拟区域嵌套示意

1.2.2 近地面参数验证 为定量评估WRF- CMAQ模式模拟效果,采用标准化平均偏差(NMB)、标准化平均误差(NME)和相关系数3个统计学指标对模拟值与监测值进行误差分析.

由表2可见,气象要素与(PM2.5)的模拟值与监测值的相关系数均大于0.6,NMB、NME范围均在-31.4%～37.81%内,这种结果与国内外很多模拟结果一致[13].造成重污染期间(PM2.5)低估的原因主要是由于模型内嵌二次气溶胶转化机制的不完善和重污染期间排放清单的不确定性[14],同时气象模式产生的模拟误差会进一步影响空气质量模式模拟,如:高估的风速会促进PM2.5污染物扩散,在一定程度上造成(PM2.5)低估.综合考虑各种指标,模型模拟效果较好,数据较为可靠.

1.2.3 垂直层PM2.5浓度验证 本文需要采用垂直方向不同高度层的模拟结果分析区域跨界输送特征,需对垂直层PM2.5质量浓度模拟效果进行验证.后向散射系数是表征气溶胶光学特性的参数,研究表明,后向散射系数与颗粒物浓度在不同高度处呈现较高的正相关性[15],因此拟用石家庄市2017年1月不同高度处后向散射系数数据与模拟(PM2.5)进行对比,结果如图2所示,本研究采用相关系数(COR)来评估模拟效果.

表2 模型模拟结果统计

从图2可以看出,后向散射系数在0～48m、48～97m、97～153m与(PM2.5)相关性分别为0.61、0.78、0.62,总体来说,后向散射系数与模拟(PM2.5)在0～153m不同高度层均呈现较高的相关性(COR³0.6),说明模拟效果良好,可用于后期的分析计算.

1.3 传输通量计算

PM2.5传输通量的定义是单位时间内通过某个界面PM2.5的质量[16],用来开展区域间PM2.5交互输送程度的研究.由于CMAQ属于欧拉三维网格模式,每个网格具有固定的三维位置,模式可分别提供每个网格内的气象数据和浓度数据,研究表明,区域的跨界输送主要发生在离地高度2000m以下[17],因此,本文选型垂直分层中12层以下的高度(离地约1800m)作为垂直空间传输通量研究范围,首先提取每一层各个网格单元的风速、浓度,计算其风矢量、浓度及面积的数量积,再对整个截面进行积分,即可得到整个垂直截面各个高度层的传输通量结果.传输通量计算公式(1)如下所示:

式中:Flux为PM2.5传输通量,t/d;为垂直方向研究的最高层,即为第12层;为所选界面边界线,无量纲;为模拟网格分辨率,m;H为垂直层和1层间的高度差,m;为PM2.5浓度,μg/m3;为风向,°和风速,m/s;为通过垂直截面法向量,无量纲.

2 结果与讨论

2.1 大气污染物浓度特征分析

本文以京津冀、长三角地区主要省会城市国控站点(PM2.5)均值来表征区域污染水平,根据环境空气质量标准,以75,115,150μg/m3分别作为轻度污染、中度污染、重度污染临界值.如图3所示,研究时段内2个地区(PM2.5)均呈现锯齿形变化,趋势类似,12月28日18:00～12月30日12:00(PM2.5)平稳上升,但两个地区还未达到重度污染水平;12月30日18:00之后,京津冀地区(PM2.5)迅速上升,峰值达到325μg/m3,长三角地区峰值也达到重度污染水平,长三角地区和京津冀地区分别于1月5日06:00和1月7日12:00下降到75μg/m3以下,重污染过程结束.总体来看,本次重污染过程持续时间长,且污染强度大,京津冀地区和长三角地区(PM2.5)分别连续122和74h维持在重污染水平以上;对比两区域(PM2.5)发现,其相关系数为0.78,说明本次污染呈现了显著的区域性特征.

图3 京津冀和长三角地区研究期间ρ(PM2.5)和ρ(SO2)/ ρ(NO2)时间序列

3条虚线自下而上分别为75,115,150μg/m3,即轻度污染、中度污染、重度污染的浓度标准线

SO2和NO2是固定源与移动源排放的指示剂, SO2和NO2的浓度比值可以用来鉴别污染物来源.比值越高,表明污染物主要来于固定源;比值越低,则表明移动源较高[18].如图3所示,京津冀和长三角地区的(SO2)/(NO2)分别为0.35～1.08和0.16～0.52,均较低,表明移动源的贡献对京津冀和长三角的PM2.5污染来说占主导地位,对比污染日和清洁天京津冀地区和长三角地区(SO2)/(NO2)(均值分别为0.74、0.37和0.65、0.32)可知,虽然两个地区受移动源影响较大,固定源在重污染天气发生时的作用也不可小觑,京津冀地区冬季大量燃烧燃煤使SO2浓度升高,长三角区虽然无集中供暖的现象,但由NASA卫星监测的火点资料(https://firms.modaps.eosdis.nasa.gov/ firemap/)可知,污染期间,合肥、杭州湾附近有较多的火点,生物质燃烧产生的大量颗粒物加剧了长三角地区的重污染.

2.2 气象条件分析

不利的气象条件是重污染形成的主要驱动力[19].本文以北京、石家庄为京津冀典型城市,以合肥、上海、杭州为长三角典型城市,获取了2016年12月28日～2017年1月9日京津冀和长三角地区气象要素的时间序列,分析其对(PM2.5)的影响.

图4 研究期间北京、石家庄市、合肥、上海、杭州的相对湿度、边界层高度、风速风向、降水、ρ(PM2.5)时间序列

灰虚线为重度污染的(PM2.5)标准线

从图4可以看出,长三角和京津冀地区的(PM2.5)均与边界层高度呈现较高的负相关性,说明重污染过程期间,不利的垂直扩散条件是造成两地污染物大量累积的重要因素,较低的边界层高度一方面阻碍了垂直对流运动,使得近地面污染物不能向上输送[20],另一方面,迫使大量水汽在近地面聚集有利于颗粒物的化学转化;相对湿度与(PM2.5)在非降水阶段呈现显著的正相关,说明其为颗粒物的吸湿增长创造了条件,研究表明,相对湿度决定了大气中非均相反应的速率从而影响二次无机盐类譬如硝酸盐、硫酸盐的生成,因而可以推测二次转化是重污染形成的重要机制[21-22];风速决定了污染物被大气稀释的程度和扩散的范围,污染期间两地风速均以静小风(£2m/s)为主,污染物在本地大量累积,而在1月7日之后,风速增加到3m/s以上,风向以西北风为主,污染物浓度随之降低,说明重污染过程的结束与偏北风的清除作用有关.

综上所述,京津冀和长三角地区重污染过程的产生均与低风速,低边界层高度,较高的相对湿度有关[23],且京津冀地区由于更加不利的扩散条件(PM2.5)显著高于长三角地区.尤其是石家庄,重污染期间(PM2.5)长时间维持在严重污染水平以上,这是由于石家庄重污染期间边界层高度极低,1月1日08:00仅有98m,使得大量污染物在近地面堆积;不同的是,长三角地区3个城市1月5日～1月7日有降水过程,显著的湿沉降作用使得长三角地区(PM2.5)迅速下降至优良水平[24],而京津冀地区的重污染过程的结束多是由于大气扩散条件的改善[25].

2.3 大气稳定度分析

图5 2016年12月29日、1月2日、1月5日、1月8日北京、石家庄08:00、20:00,合肥、上海、杭州08:00、20:00温度垂直廓线

逆温阻碍了高空和近地面大气的对流交换,使污染物不能在垂直方向上扩散,从而加剧了污染程度[26-27].各城市日温廓线如图5所示,整体上来看,京津冀和长三角典型城市在重污染期间都有不同程度的逆温现象,12月29日20:00,石家庄和北京都在55m左右出现了贴地逆温现象,但逆温强度较低, 20:00北京近地面逆温消失,而石家庄市的逆温强度持续增加;1月2日和5日,北京、石家庄两地逆温层结的高度和厚度都有增加的趋势,且逆温情况更加复杂,表现为在不同高度处都有小范围逆温现象发生,此时大气垂直扩散能力极差,污染物在地面累积;到了1月8日20:00,可以看出,北京石家庄两地逆温现象基本消失,气温垂直递减率明显增加,扩散情况转好.

相较于京津冀地区,长三角典型城市大气扩散能力较好,但也出现了不同程度的逆温现象.特别在1月2日20:00,上海市在700m左右,杭州在300m左右,分别出现了强度为0.4℃/100m和0.3℃/100m的逆温,合肥虽然没有出现逆温,但其大气温度垂直递减率极低,这种情况十分不利于近地面污染物的清除;1月5日8:00及20:00,虽然逆温现象还未完全消失,但其强度减小,逆温层高度也从近地面升至高空,说明大气湍流能力有所加强;至1月8日,长三角三个典型城市逆温现象完全消失,且大气气温垂直递减率明显增大,说明高空和近地面的大气对流更加活跃,有利于污染物的消散清除.

2.4 PM2.5传输量化评估

图6 研究期间不同阶段地面风场和气压场

2.4.1 PM2.5区域传输贡献 本文根据重污染过程前后天气形势特征将2016年12月29日～2017年1月8日的重污染过程分为4个阶段,由图6、图7可见区域传输贡献和本地贡献在不同阶段呈现了显著的空间差异,重污染前期Ι阶段(2016年12月29日):京津冀地区被强大的冷高压所控制,以下沉运动为主,白天太阳辐射增加,夜间辐射冷却产生逆温造成污染物大量堆积,京津冀地区处于高压后部,南部气团缓慢输入,近地层的南部气团极易被北部山脉阻挡,污染物在山麓附近汇聚并持续堆积[28],本地贡献较高(49%～56%),长三角地区处于高压底部,以西北风为主,受到京津冀地区轻微影响(12%～15%),但因扩散条件较好,污染情况较轻.重污染前期Ⅱ阶段(2016年12月30日～2017年1月1日):高压中心东移,京津冀和长三角地区受到反气旋影响,气流向四周扩散,边界层高度降低[29],同时,中国中东部地区受高压后部均压场控制,以东南风为主导,京津冀地区受到长三角的贡献显著上升,由5%左右迅速升至15%左右,长三角的污染物被传输到京津冀地区使得京津冀地区主要省份(PM2.5)跃升至200μg/m3以上.污染累积阶段(2017年1月2日～2017年1月6日):京津冀地区位于西伯利亚-蒙古高压中心底部,大部分省市受高压均压场控制,天气形势稳定,区域和本地贡献占比却因地理位置和排放量不同呈现差异,北京和天津本地贡献有所下降,这是静稳天气条件下气团移动相对较慢,区域内短距离输送影响达到峰值[30-31]所致,而河北省本地贡献由前期55%左右升至70%,这与其极高的排放量有关,长三角地区处于高压底部,冷空气南下将华北地区的污染物携带至长三角地区,因此在此阶段其受京津冀地区贡献达到峰值(20%～30%).污染消散阶段(2017年1月7日～1月8日):京津冀和长三角地区本地贡献较前期分别上升了8%、12%左右,此阶段环流型从纬向型转为经向型,气压梯度明显增大,有利于来自西伯利亚-蒙古地区清洁气团的输入,京津冀、长三角地区冷锋先后过境,破坏了大气的逆温结构,风速明显增大,扩散条件转好,重污染天气自北向南先后消散.值得注意的是,上海市在累积阶段受京津冀地区影响有所上升,但是其空气质量维持在相对较好的水平,这是因为上海市受海风的影响比较大,而冬季海温相对于陆地较高,东风气流为暖平流,海陆热力差异造成近地层垂直温度层结趋于不稳定,加速边界层污染物的垂直扩散[32],进一步说明空气质量是人为排放和气象条件的作用叠加.

2.4.2 PM2.5跨界传输通量 本文设定京津冀向长三角传输为正,长三角向京津冀传输为负,由于京津冀地区和长三角地区并不是直接接壤,因此长三角向京津冀传输通量为京津冀所取界面负向风矢量和长三角对京津冀地区贡献值(由基准情景浓度值和清除长三角排放情景浓度值差值所得)的乘积,京津冀向长三角传输通量为长三角所取界面正向风矢量和京津冀对长三角贡献值(由基准情景浓度值和清除京津冀排放情景浓度值差值所得)的乘积,净通量为正负通量的矢量和,用来表征截面上某个时间点的传输方向,总通量为截面上正负通量的绝对值之和,用来表征区域间传输的活跃程度.

为了确定京津冀和长三角地区的传输路径,提取了模型第1层(作为近地面)和模型第6层、7层(作为高空)京津冀和长三角的相互贡献值,可知安徽省和江苏省北部边界处京津冀对长三角地区的网格贡献值(30～50μg/m3)显著高于东部和西部边界网格贡献值(5～10μg/m3),而河北南部边界以及渤海湾处长三角对京津冀地区的网格贡献值(55～65μg/m3)显著高于京津冀西部边界(8～16μg/m3),基于此划定研究边界如图8所示.

图8 截面示意

研究期间各个阶段不同高度处传输通量如图9所示,从传输方向来看,各个阶段高空净通量正负和近地面保持一致,重污染前期Ⅱ阶段,净通量为负值,峰值为-21.52t/d,说明此阶段长三角向京津冀的输送量较大,而其他三个阶段均表现为正值,峰值出现在污染累积阶段(17.29t/d),表明这三个阶段均表现为京津冀向长三角输送,且这种作用在累积阶段最为显著,传输通量结果能较好地呼应传输贡献结论.从不同高度通量变化趋势来看,在0～1001m处,总通量基本随着高度的增加有所上升,这是因为高空风速增大促进了污染物的输送[33],而在1261～1782m,总通量呈现上下波动趋势,这与高空(PM2.5)变化较为明显有关.总通量四个阶段峰值均出现在1001～ 1478m之间,说明区域间的传输作用在高空比较显著,与总通量相比,净通量在不同高度处整体波动较大,这可能与高空风向改变有关.从通量绝对值大小来看,重污染前期Ⅰ阶段总通量最小,峰值仅有11.71t/d,约为其他阶段的1/2,这是因为此阶段京津冀和长三角地区污染程度不高,贡献值较低;重污染前期Ⅱ阶段、污染累积阶段、污染消散阶段总通量值变化不大,均维持在较高水平,但原因有所不同,重污染前期Ⅱ阶段和污染累积阶段是由于京津冀和长三角污染程度较高,贡献浓度值达到峰值,而污染消散阶段是重污染后期风速显著增大所致.从另一个角度来说,区域传输作用对区域空气质量的作用并非总是负向的,在扩散条件较好时,区域间大气的对流活动有助于区域内污染物的快速清除.

结合气象条件和模型分析,可以推断:重污染前期长三角地区排放的污染物可被快速输送至京津冀地区,通过气溶胶反馈作用促进静稳天气的产生从而加剧华北地区的污染[34],而污染累积阶段东部地区受冷锋影响,区域性重霾南下又对长三角空气质量造成不利影响[35-36].所以,对长三角而言,将减排时间比正常预报重霾时间提前几天不仅可以减轻华北地区的污染,也有助于对随后长距离传输的重污染过程进行削峰.

3 结论

3.1 本次重污染过程持续时间长,污染强度大,京津冀与长三角地区均受移动源主导,燃烧源的排放加剧了重污染程度.不利的气象条件是两地污染爆发的重要原因,重污染前期,边界层高度较低,相对湿度较高,污染物难以扩散;累积阶段,扩散条件进一步恶化,等压线趋于稀疏,天气静稳,污染物大量累积.消散阶段,西北清洁气团输入,空气质量大幅度改善,其中,长三角地区重污染过程结束还与降水作用有关.

3.2 数值模拟结果表明,京津冀地区和长三角地区在本次重污染过程中均受局地累积和区域传输的影响,但因天气条件呈现时空差异,京津冀本地贡献峰值出现在累积阶段(70%),长三角本地贡献峰值出现在消散阶段(65%),京津冀对长三角地区的影响主要体现在累积阶段(20%～30%),而长三角对京津冀的影响主要体现在重污染前期(15%～20%).值得注意的是,上海市在本次重污染过程中也受到华北地区污染气团影响,但由于季节海陆热力差异,污染物快速消散,进一步说明空气质量是气象和排放共同作用的结果.

3.3 通量研究结果较好地呼应了贡献分析结论,长三角向京津冀输送的净通量峰值出现在重污染前期Ⅱ阶段(-21.52t/d),京津冀向长三角输送的净通量峰值出现在累积阶段(17.29t/d),当污染物浓度值或风速较大时,总通量值均较大,说明区域传输在不同阶段发挥了不同的作用,在污染物浓度较高时,这种作用是负向的,使得京津冀-长三角地区形成污染带,当扩散条件转好时,这种作用是正向的,有助于京津冀-长三角地区污染物的快速清除,因此,长三角地区的提前减排有利于两地空气质量的改善.此外,区域传输作用在1001～1478m之间最为活跃.

[1] 潘 亮,阎凤霞,吴峻石,等.2013～2019年上海早晨接地逆温指标与PM2.5定量关系研究 [J]. 中国环境科学, 2021,41(2):517-526.

Pan L, Yan F, Wu J, et al. Study on the quantitative relationship between PM2.5and ground temperature inversion index in Shanghai in 2013～2019 [J]. China Environmental Science, 2021,41(2):517-526.

[2] 赵子菁,魏永杰,张祥志,等.南京市霾天气与主要气象条件的相关分析 [J]. 中国环境科学, 2015,35(12):3570-3580.

Zhao Z, Wei Y, Zhang X, et al. Correlation analysis of haze weather and main meteorological conditions in Nanjing [J]. China Environmental Science, 2015,35(12):3570-3580.

[3] 廖碧婷,黄 俊,王春林,等.广州地区灰霾过程和清洁过程的边界层特征对比分析 [J]. 中国环境科学, 2018,38(12):4432-4443.

Liao B, Huang J, Wang C, et al. Comparative analysis of boundary layer characteristics of haze process and clean process in Guangzhou [J]. China Environmental Science, 2018,38(12):4432-4443.

[4] 桂海林,江 琪,康志明,等.2016年冬季北京地区一次重污染天气过程边界层特征 [J]. 中国环境科学, 2019,39(7):2739-2747.

Gui L H, Jiang Q, Kang Z M, et al. Boundary layer characteristics of a heavy pollution weather process in Beijing in the winter of 2016 [J]. China environmental science, 2019,39(7):2739-2747.

[5] Zhang Z, Gong D, Mao R, et al. Cause and predictability for the severe haze pollution in downtown Beijing in November-December 2015 [J]. Science of the Total Environment, 2017,592:627-638.

[6] 王燕丽,薛文博,雷 宇,等.京津冀区域PM2.5污染相互输送特征 [J]. 环境科学, 2017,38(12):4897-4904.

Wang Y L, Xue W B, Lei Y, et al. Characteristics of PM2.5pollution transport in Beijing-Tianjin-Hebei Region [J]. Environmental science, 2017,38(12):4897-4904.

[7] 李 瑞,李 清,徐 健,等.秋冬季区域性大气污染过程对长三角北部典型城市的影响 [J]. 环境科学, 2020,41(4):1520-1534.

Li R, Li Q, Xu J, et al. Effects of regional atmospheric pollution processes in autumn and winter on typical cities in the northern Yangtze river delta [J]. Environmental science, 2020,41(4):1520-1534.

[8] 姚 森,张晗宇,王晓琦,等.2016年1月京津冀地区大气污染特征与多尺度传输量化评估[J/OL]. 环境科学:1-14[2020-10-22]. https://doi.org/10.13227/j.hjkx.202006042.

Yao S, Zhang H, Wang X, et al. Quantitative assessment of air pollution characteristics and multi-scale transport in Beijing Tianjin Hebei region in January 2016 [J/OL]. Environmental science:1-14 [2020-10-22]. https://doi.org/10.13227/j.hjkx.202006042.

[9] Fu X, Cheng Z, Wang S X, et al. Local and regional contributions to fine particle pollution in winter of the Yangtze River Delta, China [J]. Aerosol and Air Quality Research, 2016,16(4):1067-1080.

[10] Zhang Y L, Zhu B,Gao J H, et al. The source apportionment of primary PM2.5in an aerosol pollution event over Beijing-Tianjin- Hebei Region using WRF-Chem, China [J]. Aerosol and Air Quality Research, 2017,17(12):2966-2980.

[11] Cheng S, Lang J, Zhou Y, et al. A new monitoring-simulation-source apportionment approach for investigating the vehicular emission contribution to the PM2.5pollution in Beijing, China [J]. Atmospheric Environment, 2013,79:308-306.

[12] Metin B, Ulas I, Alper U. Evaluation of impact of residential heating on air quality of megacity istanbul by CMAQ [J]. Science of the Total Environment, 2019,651:1688-1697.

[13] 徐 冉,张恒德,杨孝文,等.北京地区秋冬季大气污染特征及成因分析 [J]. 环境科学, 2019,40(8):3405-3414.

Xu R, Zhang H D, Yang X W, et al. Characteristics and causes of air pollution in autumn and winter in Beijing [J]. Environmental science, 2019,40(8):3405-3414.

[14] Gao M, Carmichael G R, Wang Y, et al. Modeling study of the 2010 regional haze event in the North China Plain [J]. Atmospheric Chemistry & Physics, 2016,15(16):22781-22822.

[15] 郭 伟,卜令兵,贾小芳,等.基于激光云高仪的北京沙尘气溶胶特征分析 [J]. 气象, 2016,42(12):1540-1546.

Guo W, Bu L B, Jia X F, et al. Analysis of aerosol characteristics of sand dust in Beijing based on laser cloud height analyzer [J]. Meteorology, 2016,42(12):15401546.

[16] 程水源,王传达,张晗宇.跨界地区大气边界层以下PM2.5传输通量数值模拟量化的方法[P]. 北京市:CN110569528A, 2019-12-13.

Cheng S Y, Wang C D, Zhang H Y. Numerical simulation and quantification of PM2.5transport flux below the atmospheric boundary Layer in transboundary regions [P]. Beijing: CN110569528A, 2019- 1213.

[17] Zhang H, Cheng S, Yao S, et al. Multiple perspectives for modeling regional PM2.5transport across cities in the Beijing-Tianjin-Hebei region during haze episodes [J]. Atmospheric Environment, 2019, 212:22-35.

[18] 沈楠驰,周丙锋,李珊珊,等.2015～2019年天津市大气污染物时空变化特征及成因分析[J/OL]. 生态环境报:1-12[2020-10-24].http: //kns.cnki.net/kcms/detail/44.1661.X.20201015.2020.002.html.

Shen N C, Zhou B F, Li S S, et al. Spatial and temporal variation characteristics and Causes of atmospheric pollutants in Tianjin from 2015 to 2019 [J/OL]. Ecological environment:1-12 [2020-10-24]. http://kns.cnki.net/kcms/detail/44.1661.X.20201015.2020.002.html.

[19] 成莹菲,侯雪伟,朱 彬,等.稳定天气形势下京津冀和长三角地区重度污染过程气象成因解析 [J]. 环境科学学报, 2020,40(5):1575- 1586.

Cheng Y F, Hou X W, Zhu B, et al. Analysis of meteorological causes of severe pollution in The Beijing-Tianjin-Hebei region and the Yangtze River Delta under stable weather conditions [J]. Journal of environmental science, 2020,40(5):1575-1586.

[20] 李 梦,唐贵谦,黄 俊,等.京津冀冬季大气混合层高度与大气污染的关系 [J]. 环境科学, 2015,36(6):1935-1943.

Li M, Tang G Q, Huang J, et al. Relationship between the height of atmospheric mixing layer and atmospheric pollution in Winter in Beijing-Tianjin-Hebei region [J]. Environmental Science, 2015,36(6): 1935-1943.

[21] 姚 青,蔡子颖,韩素芹,等.天津冬季相对湿度对气溶胶浓度谱分布和大气能见度的影响 [J]. 中国环境科学, 2014,34(3):596-603.

Yao Q, Cai Z Y, Han S Q, et al. Effect of relative humidity on aerosol concentration spectrum distribution and atmospheric visibility in Winter in Tianjin [J]. Environmental Science of China, 2014,34(3): 596603.

[22] Liu P F, Zhao C S, Gobel T, et al. Hygroscopic properties of aerosol particles at high relative humidity and their diurnal variations in the North China Plain [J]. Atmospheric Chemistry and Physics, 2011,11(1): 3479-3494.

[23] 王跃思,姚 利,王莉莉,等.2013年元月我国中东部地区强霾污染成因分析 [J]. 中国科学:地球科学, 2014,44(1):15-26.

Wang Y S, Yao L, Wang L L, et al. Causes of heavy haze pollution in Central and Eastern China in January 2013 [J]. Science in China: Earth Sciences, 2014,44(1):15-26.

[24] 周 彬,刘端阳,魏建苏,等.降水对气溶胶颗粒物清除作用的初步分析 [J]. 长江流域资源与环境, 2015,24(S1):160-170.

Zhou B, Liu D Y, Wei J S, et al. Preliminary analysis of the effect of precipitation on the removal of aerosol particles [J]. Resources and Environment of the Yangtze River Basin, 2015,24(S1):160-170.

[25] 杨 旭,张小玲,康延臻,等.京津冀地区冬半年空气污染天气分型研究 [J]. 中国环境科学, 2017,37(9):3201-3209.

Yang X, Zhang X L, Kang Y Z, et al. Research on the classification of air pollution weather in the half year of winter in beijing-tianjin-hebei region [J]. China environmental science, 2017,37(9):3201-3209.

[26] 郁珍艳,高大伟,李正泉,等.低层通风量及逆温条件对浙江省空气质量的影响分析 [J]. 环境科学学报, 2020,40(9):3165-3173.

Yu Z Y, Gao D, Li Z Q, et al. Analysis on the influence of low level ventilation and temperature inversion on air quality in zhejiang province [J]. Chinese Journal of Environmental Science, 2020,40(9): 3165-3173.

[27] 曹红丽,陈 奇.西安边界层逆温特征及其与空气污染的关系 [J]. 陕西气象, 2014,(2):13-16.

Cao H L, Chen Q. Characteristics of boundary layer inversion and its relationship with air pollution in Xi'an [J]. Meteorology, Shanxi, 2014,(2):13-16.

[28] Wang X Q, Wei W, Cheng S Y, et al. Characteristics and classification of PM2.5pollution episodes in Beijing from 2013 to 2015 [J].Science of the Total Environment, 2018,612:170-179.

[29] X G, Liu J, Li Y, et al. Formation and evolution mechanism of regional haze: a case study in the megacity Beijing, China [J]. Atmospheric Chemistry and Physics, 2013,13(9).

[30] 李 霞,贾 健.复杂地形多尺度气流对城市大气污染影响的研究进展 [J]. 沙漠与绿洲气象, 2016,10(6):1-10.

Li X, Jia J. Research progress on the influence of complex terrain multi-scale airflow on urban air pollution [J]. Desert and oasis meteorology, 2016,10(6):1-10.

[31] 蔡子颖,杨 旭,韩素芹,等.基于天气背景天津大气污染输送特征分析[J/OL]. 环境科学:1-15 [2020-10-19]. https://doi.org/10.13227/ j.hjkx.202004252.

Cai Z Y, Yang X, Han S Q, et al. Based on the background analysis of characteristics of atmospheric pollution in tianjin transportation [J/OL]. Environmental science:1-15 [2020-1019]. https://doi.org/10.13227/ j.hjkx.202004252.

[32] 毛卓成,马井会,许建明,等.上海地区持续东风系统控制下污染扩散条件分析 [J]. 气象, 2015,41(7):890-898.

MAO Z C, Ma J H, Xu J M, et al. Analysis of pollution diffusion conditions under the control of continuous east wind system in Shanghai [J]. Meteorology, 2015,41(7):890-898.

[33] Chang X, Wang S X, Zhao B, et al. Assessment of inter-city transport of particulate matter in the Beijing-Tianjin-Hebei region. Atmospheric Chemistry and Physics [J]. 2018,18:4843-4858.

[34] Huang X, Ding A, Wang Z, et al. Amplified transboundary transport of haze by aerosol-boundary layer interaction in China [J]. NATURE Geoscience, 2020,13(6):428.

[35] 邓发荣,康 娜, Kumar K R,等.长江三角洲地区大气污染过程分析 [J]. 中国环境科学, 2018,38(2):401-411.

Deng F R, Kang N, Kumar K R, et al. Analysis of atmospheric pollution process in the Yangtze River Delta region [J]. Environmental Science in China, 2008,38(2):401-411.

[36] 康汉青,朱 彬.长三角冬季PM2.5污染的形成原因及来源追踪[C]// 中国颗粒学会气溶胶专业委员会、台湾气胶研究学会.第十五届海峡两岸气胶技术研讨会论文集.中国颗粒学会气溶胶专业委员会、台湾气胶研究学会:中国颗粒学会气溶胶专业委员会, 2017:1.

Kang H Q, Zhu B. Tracing of the causes and sources of PM2.5pollution in the Yangtze River Delta in winter [C]//Aerosol Professional Committee of Chinese Particle Society, Taiwan Aerosol Research Society Proceedings of the 15th Cross-strait Seminar on Aerosol Technology. Aerosol Professional Committee of The Chinese Particle Society, Taiwan Aerosol Research Society: Aerosol Professional Committee of the Chinese Particle Society, 2017:1.

Analysis of meteorological causes and transmission characteristics of a heavy haze process in Beijing Tianjin Hebei and Yangtze River Delta.

CHEN Hao-yuan1, WANG Xiao-qi1*, CHENG Shui-yuan1**, GUAN Pan-bo1, ZHANG Zhi-da1, BAI Wei-chao1, TANG Gui-qian2

(1.Key Laboratory of Beijing on Regional Air Pollution Control, College of Environmental and Energy Engneering, Beijing University of Technology, Beijing 100124, China；2.State Key Laboratory of Atmospheric Boundary Layer Physics and Atmospheric Chemistry, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China)., 2021,41(6)：2481～2492

Based on meteorological data and air quality data, the characteristics and causes of a large-scale severe pollution process in Beijing Tianjin Hebei region and Yangtze River Delta region from December 29, 2016 to January 8, 2017 were analyzed. The main meteorological characteristics of the heavy pollution process were pressure field, low boundary layer height and quiet breeze. The end of the heavy pollution process was due to the higher pressure gradient and better horizontal diffusion conditions, Based on the WRF-CMAQ (Weather Research and Forecasting Model and Community Multi-scale Air Quality) scenario analysis method, the effects of regional transmission and local accumulation on the heavy pollution process were evaluated. The analysis showed that in the early stage of heavy pollution controlled by south wind, the Yangtze River Delta region was mainly affected by transmission (15% ～ 20%) from the Yangtze River Delta, and the Yangtze River Delta region was mainly influenced by local contribution; in the accumulation stage, the local contribution of the Yangtze River Delta region decreased significantly, while the contribution from Beijing Tianjin Hebei region increased significantly (20% ～ 30%).The results showed that the peak value of the net transmission fluxes fromYangtze River Delta to Beijing Tianjin Hebei region occured in the early stage of heavy pollution (-21.52t/d), and the peak value of net transmission fluxes from Beijing Tianjin Hebei region to Yangtze River Delta occured in the accumulation stage (17.29t/d), the regional transport effect was the most active between 1001 and 1478m.

the Yangtze River Delta region；the Beijing-Tianjin-Hebei region；heavy pollution；meteorological elements；WRF-CMAQ

X513

A

1000-6923(2021)06-2481-12

陈颢元(1996-),男,江西九江人,北京工业大学环境与能源工程学院硕士研究生,主要从事环境规划管理与污染防治方面的研究.发表论文1篇.

2020-11-15

国家重点研发计划项目(2018YFC0213200);中国博士后科学基金资助项目(2019M660382);北京市博士后研究基金资助项目

* 责任作者, 助理研究员, wangxq@bjut.edu.cn; ** 教授, bjutpaper@gmail.com